مجتبی معصومی - عضو هیات علمی دانشگاه آزاد اسلامی واحد آیت ا... آملی
دنیا رحیم سروش - لیسانس علوم و صنایع غذایی موسسه غیرانتفاعی و غیردولتی خزر

آنتی اکسیدانها ی طبیعی ضمن مفید بودن عاری از معایب آنتی اکسیدانهای مصنوعی می باشند لذا در حال حاضر توجه زیادی به استخراج آنتی اکسیدانها از منابع طبیعی شده است. برگ میوه به سرشار از آنتی اکسیدانهای مفید می باشد. مطالعات گسترده ای در خصوص مدلسازی سینتیکی با استفاده از مدلهای تجربی و تئوری شده است. شبکه عصبی بر خلاف روشهای فوق یک روش داده محور می باشد. لذا در این تحقیق پیشبینی سینتیکی استخراج آنتی اکسیدانها از برگ میوه به مورد ارزیابی قرار گرفت. استخراج آنتی اکسیدانها در شرایط مختلف استخراج (دمای استخراج، زمان استخراج و نسبت جرم برگ میوه به) در مقیاس آزمایشگاهی انجام شد و میزان درصد مهارکنندگی DPPH در زمانهای مختلف استخراج بدست آمد. دمای استخراج، زمان استخراج و نسبت جرم برگ میوه به به حجم حلال به عنوان ورودی شبکه عصبی و درصد استخراج به عنوان خروجی شبکه (هدف) عصبی در نظر گرفته شد. به منظور طراحی مناسب شبکه عصبی، تعداد لایه پنهان، تعداد نرون لایه پنهان، تعداد گذر و نوع تابع آموزش بهینه شدند. ضریب همبستگی( )، ریشه میانگین مربعات خطا (RMSE ) و میانگین خطای مطلق (AAD) به عنوان تابع عملکرد شبکه عصبی در نظر گرفته شدند. بالاترین انطباق بین داده های تجربی و خروجی شبکه عصبی در تعداد لایه پنهان برابر یک، تعداد نرون لایه پنهان برابر 7، تعداد گذر 250 و تابع آموزش لونبرگ مارکوارت بدست آمد. که در آن مقادیر R2 برای داده های تست و آموزش برابر 0.995 و 0.998 ارزیابی شد. نتیجه گرفته شد، شبکه عصبی یک ابزار بسیار قوی در پیش بینی سینتیک استخراج آنتی اکسیدانها از برگ میوه به می باشد.

برگ میوه به، شبکه عصبی، سینتیک، آنتی اکسیدانت